À travers les hypostases du numérique dans l’enseignement supérieur : réflexion critique sur le développement de la culture et des compétences numériques
Bibliographic record
Abstract
La densification des offres de formation au numérique dans les établissements d’enseignement supérieur français soulève la question de la culture et des compétences numériques qui y sont développées. Dans la continuité d’une enquête réalisée à l’échelle du territoire français sur le dispositif de formation au numérique C2i au sein des établissements d’enseignement supérieur, le présent article propose d’interroger un certain nombre de représentations sur les compétences numériques, la culture numérique et, plus largement, le numérique. En vue de nourrir notre analyse, nous avons fait le choix de traiter d’un corpus de documents — dont la production s’est faite en fonction d’attentes politiques et/ou économiques — portant sur le développement du numérique dans différents domaines (éducation, économie, citoyen, etc.). Parallèlement à cela, ce texte sera l’occasion de discuter des modèles idéologiques qui peuvent sous-tendre quelques-uns des référentiels de formation au numérique aujourd’hui en vigueur. Nous conclurons notre propos autour des finalités de la formation au numérique dans les établissements d’enseignement supérieur français.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.006 | 0.025 |
| Scholarly communication | 0.012 | 0.013 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".